Abstrak Artikel
Bahasa Melayu Ternate merupakan salah satu bahasa yang digunakan dalam komunikasi sehari-hari masyarakat Maluku Utara dan memiliki karakteristik kosakata serta ekspresi emosional yang khas. Penelitian deteksi emosi berbasis teks telah berkembang pada Bahasa Indonesia, sedangkan kajian pada Bahasa Melayu Ternate masih terbatas. Penelitian ini bertujuan mengimplementasikan Multinomial Naive Bayes untuk mengklasifikasikan teks Bahasa Melayu Ternate ke dalam empat kategori emosi, yaitu Bahagia, Marah, Sedih, dan Takut. Dataset awal terdiri atas 499 teks dengan distribusi 127 data Bahagia, 129 Marah, 130 Sedih, dan 113 Takut. Tahapan penelitian meliputi pelabelan, preprocessing, augmentasi data, representasi Term Frequency-Inverse Document Frequency (TF-IDF), pembagian dataset, pelatihan Multinomial Naive Bayes, dan evaluasi. Enam teknik augmentasi meningkatkan jumlah dataset menjadi 1.040 data dengan distribusi yang sama pada setiap kelas. TF-IDF dikonfigurasi dengan maksimal 2.000 fitur dan n-gram hingga trigram, sedangkan Multinomial Naive Bayes menggunakan parameter alpha 0,5. Berdasarkan skenario eksperimen yang digunakan, pengujian terhadap 208 data memperoleh accuracy 88,46%, macro precision 89,19%, macro recall 88,46%, dan macro F1-score 88,59%. Hasil menunjukkan bahwa kombinasi TF-IDF dan Multinomial Naive Bayes dapat diterapkan untuk klasifikasi empat kategori emosi pada dataset Bahasa Melayu Ternate yang digunakan dalam penelitian ini.
Pratinjau PDF
Pastikan PyMuPDF terpasang lalu coba muat ulang.